Stima di Massima Verosimiglianza Mirata (TMLE)
La Stima di Massima Verosimiglianza Mirata (TMLE) è un metodo semiparametrico, causalmente robusto, introdotto da Mark van der Laan e Daniel Rubin nel 2006. Combina modelli di apprendimento automatico flessibili sia per l'esito sia per il meccanismo di assegnazione del trattamento, quindi applica un passaggio di targeting che riadatta il modello iniziale dell'esito specificamente per ridurre il bias per un estimando causale pre-specificato, come l'effetto medio del trattamento. La TMLE è ampiamente utilizzata in epidemiologia, biostatistica ed economia sanitaria nella stima degli effetti causali da dati osservazionali.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- van der Laan, M. J., & Rubin, D. (2006). Targeted maximum likelihood learning. The International Journal of Biostatistics, 2(1). DOI: 10.2202/1557-4679.1043 ↗
Come citare questa pagina
ScholarGate. (2026, June 2). Targeted Maximum Likelihood Estimation (TMLE). ScholarGate. https://scholargate.app/it/causal-inference/targeted-maximum-likelihood
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Double Machine LearningInferenza causale↔ compare
- Stima a Doppia Robustezza (AIPW)Inferenza causale↔ compare
- Inverse Probability of Treatment Weighting (IPW / IPTW)Inferenza causale↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →